Phát triển nguồn nhân lực ngân hàng thương mại cổ phần ngoại thương Việt Nam trong thời kỳ cách mạng công nghiệp lần thứ tư

Tổng quan về luận án

Luận án nghiên cứu "Phát triển nguồn nhân lực Ngân hàng Thương mại Cổ phần Ngoại thương Việt Nam thời kỳ Cách mạng Công nghiệp lần thứ tư" (CMCN 4.0) là một công trình tiên phong và có tính cấp thiết cao trong bối cảnh ngành tài chính – ngân hàng toàn cầu đang trải qua những biến đổi sâu sắc. Sự ra đời của các công nghệ đột phá như Trí tuệ nhân tạo (AI), tự động hóa, phân tích dữ liệu lớn (Big Data Analytics) đang định hình lại cơ cấu, phương thức hoạt động và yêu cầu về Nguồn nhân lực (NNL) của các tổ chức tài chính. Nghiên cứu này đặt ra trong bối cảnh Ngân hàng Thương mại (NHTM) được ví như "hệ thống huyết mạch của nền kinh tế", và sự phát triển NNL chất lượng cao là yếu tố then chốt cho năng lực cạnh tranh và sự phát triển bền vững.

Research Gap CỤ THỂ: Mặc dù đã có nhiều công trình nghiên cứu về Quản trị nguồn nhân lực (HRM), Phát triển nguồn nhân lực (PTNNL) nói chung và PTNNL trong ngành ngân hàng, nhưng luận án chỉ ra một khoảng trống nghiên cứu rõ ràng: "chưa có công trình nào nghiên cứu một cách toàn diện, hệ thống lý luận PTNNL ở NHTM và VCB thời kỳ cách mạng công nghiệp lần thứ tư" (trang 23). Hơn nữa, các công trình hiện có chưa "tìm ra yếu tố đột phá trong PTNNL có tác động đến hiệu quả và năng lực cạnh tranh của mỗi NHTM" trong kỷ nguyên số (trang 24), cũng như "chưa có công trình nào nghiên cứu và đề xuất giải pháp PTNNL tại VCB trong giai đoạn cách mạng công nghiệp 4.0" (trang 23). Điều này định vị luận án là một nỗ lực nghiên cứu mới mẻ, đặc biệt khi tập trung vào một NHTM hàng đầu Việt Nam như VCB trong một giai đoạn chuyển đổi công nghệ cấp tốc.

Research Questions và Hypotheses: Dựa trên mục đích và nhiệm vụ nghiên cứu, các câu hỏi nghiên cứu chính (RQ) và giả thuyết (H) được xây dựng như sau:

1. RQ1: Cơ sở lý luận về NNL và PTNNL trong NHTM thời kỳ CMCN 4.0 cần được bổ sung và làm sáng tỏ như thế nào?
   • H1: CMCN 4.0 tạo ra cơ hội và thách thức mới, yêu cầu PTNNL trong NHTM phải chuyển đổi về số lượng, chất lượng và cơ cấu để thích ứng với xu hướng Ngân hàng số.
2. RQ2: Thực trạng PTNNL tại VCB trong điều kiện CMCN 4.0 diễn ra như thế nào, và những vấn đề nào đặt ra cần giải quyết?
   • H2a: CMCN 4.0 tác động làm thay đổi cơ cấu lao động tại VCB, đặc biệt giảm nhóm lao động giản đơn và tăng nhu cầu nhân sự công nghệ thông tin. (Trích dẫn: "nhóm lao động giản đơn, nhóm giao dịch viên tại quầy, và một số nhóm lao động hỗ trợ khác giảm sút nhanh chóng do sự thay thế của máy móc, trí tuệ nhân tạo và tiện ích của sản phẩm dịch vụ" - trang 5)
   • H2b: VCB đối mặt với thách thức thiếu hụt chuyên gia công nghệ thông tin và ngân hàng số, phản ánh sự chưa gắn kết chiến lược PTNNL với tốc độ chuyển đổi số. (Trích dẫn: "thiếu hụt một lực lượng đáng kể về nhân sự chuyên gia lĩnh vực công nghệ thông tin và chuyên gia đầu ngành về ngân hàng số bởi một số bất cập như việc xây dựng chiến lược PTNNL chưa thực sự gắn với sự thay đổi của CMCN 4.0" - trang 5)
3. RQ3: Đâu là những quan điểm và giải pháp đột phá để PTNNL tại VCB, nâng cao hiệu quả hoạt động và đáp ứng yêu cầu CMCN 4.0?
   • H3: Việc xây dựng chiến lược PTNNL theo sát diễn biến CMCN 4.0, tái cơ cấu tổ chức bộ máy, và đầu tư vào đào tạo chuyên gia công nghệ mới là yếu tố quyết định để VCB duy trì vị thế tiên phong trong kỷ nguyên số.

Theoretical Framework với tên theories cụ thể: Luận án kế thừa và phát triển các lý thuyết nền tảng về NNL và PTNNL, đặc biệt là Lý thuyết Vốn con người (Human Capital Theory). Các nhà nghiên cứu như Bartel và Lichetenberg (1987) đã chỉ ra rằng các doanh nghiệp với dung lượng vốn mới có nhu cầu cao hơn về nhân lực được đào tạo, vì nhân lực có kỹ năng có thể triển khai sự đổi mới nhanh hơn. Nghiên cứu của Black và Lynch (1996) sử dụng hàm sản xuất Cobb-Douglas mở rộng để phân tích ảnh hưởng của NNL và đào tạo lên năng suất lao động, cho thấy 10% tăng trong mức giáo dục trung bình của doanh nghiệp (tương đương với một năm học thêm) sẽ dẫn đến sự gia tăng 8,5% trong năng suất lao động ở doanh nghiệp sản xuất và tăng 12,7% ở doanh nghiệp không sản xuất. Các công trình của Psacharopoulos và Patrinos (2004), Krueger và Lindahl (1999), Borjas (2005) dựa trên hàm thu nhập của Mincer cũng khẳng định mối liên hệ tích cực giữa trình độ học vấn và mức thu nhập, suất sinh lợi từ việc đi học. Khung lý thuyết của luận án còn tích hợp quan điểm của Schumpeter về "sự phá hủy sáng tạo" (creative destruction), nơi tư duy sáng tạo của NNL thúc đẩy đổi mới, giúp các công ty thâm nhập thị trường và thay thế các độc quyền hiện hành. Luận án nhấn mạnh PTNNL là một quá trình chiến lược, gắn chặt với đào tạo và phát triển cá nhân và tổ chức nhằm nâng cao hiệu quả, phù hợp với định nghĩa của McLagan (1989), McLean & McLean (2001) và Metcanfe (2005) về HRD.

Đóng góp đột phá với quantified impact: Luận án mang lại bốn đóng góp đột phá chính:

1. Xây dựng khung lý luận PTNNL toàn diện cho NHTM trong kỷ nguyên 4.0: Luận án đã hệ thống hóa và làm sâu sắc thêm lý luận về PTNNL, không chỉ dừng lại ở các yếu tố truyền thống mà còn phân tích tác động cụ thể của CMCN 4.0 (cơ hội và thách thức) đến NNL ngân hàng, đặc biệt là sự cần thiết của NNL chất lượng cao (giỏi chuyên môn và công nghệ thông tin). Điều này cung cấp một nền tảng học thuật vững chắc cho các nghiên cứu tương lai.
2. Lượng hóa và xác định rõ xu hướng dịch chuyển cơ cấu NNL: Phân tích thực trạng tại VCB giai đoạn 2016-2020, luận án chỉ ra rằng sự phát triển của CMCN 4.0 dẫn đến "nhóm lao động giản đơn, nhóm giao dịch viên tại quầy, và một số nhóm lao động hỗ trợ khác giảm sút nhanh chóng" (trang 5). Đồng thời, nhu cầu về nhân sự chuyên gia CNTT và ngân hàng số tăng cao. Các số liệu thu thập từ VCB, như tỷ lệ tăng trưởng lao động hàng năm (Bảng 3.6, trang 85) và biến động cơ cấu lao động theo nhóm công việc (Bảng 3.17, trang 102), cung cấp bằng chứng định lượng về sự thay đổi này.
3. Phát hiện khoảng trống kỹ năng và chiến lược tại VCB: Mặc dù VCB được đánh giá có NNL chất lượng hàng đầu thị trường, luận án đã phát hiện "còn thiếu hụt một lực lượng đáng kể về nhân sự chuyên gia lĩnh vực công nghệ thông tin và chuyên gia đầu ngành về ngân hàng số" (trang 5). Điều này xuất phát từ việc "xây dựng chiến lược PTNNL chưa thực sự gắn với sự thay đổi của CMCN 4.0" và "công tác đào tạo và thu hút NNL chất lượng cao... chưa có sự quan tâm cụ thể và thích đáng" (trang 5).
4. Đề xuất giải pháp PTNNL định lượng và có lộ trình cụ thể: Luận án đề xuất các giải pháp mang tính hành động, bao gồm tái cơ cấu tổ chức bộ máy, xây dựng kế hoạch sử dụng NNL chất lượng cao, và đặc biệt là "xác định rõ xu thế và lượng hóa được sự biến động NNL trong tương lai để đưa ra kế hoạch và lộ trình cụ thể đối với việc mở rộng hay thu hẹp từng đối tượng NNL" (trang 6). Điều này có tiềm năng nâng cao năng suất lao động tại VCB, vốn đã đạt mức đáng kể (Bảng 3.16, trang 100), trong bối cảnh lợi nhuận trước thuế của VCB đứng "ở vị trí số 1 trong cả nước, chiếm 16,1% thị phần" (trang 1).

Scope (sample size, timeframe) và significance: Phạm vi nghiên cứu của luận án tập trung vào PTNNL của VCB từ năm 2016 đến 2020, và đề xuất giải pháp cho giai đoạn đến năm 2025 (trang 3). Về nội dung, nghiên cứu bao quát sự phát triển về số lượng, chất lượng, và cơ cấu NNL, đặc biệt chú trọng đến tác động của CMCN 4.0. Phương pháp chọn mẫu phi xác suất được sử dụng để điều tra tại 116 đơn vị (phụ lục số 6) thuộc VCB, bao gồm Hội sở chính, các chi nhánh lớn (Sở Giao dịch, Hồ Chí Minh) và các chi nhánh loại I, II, III trên 7 khu vực cả nước (trang 25). Hai cuộc khảo sát đã được thực hiện:

• Phiếu điều tra số 1: 183 phiếu hợp lệ từ 200 phiếu khảo sát (đạt 91.5%) được thu thập từ cán bộ quản lý, người lao động và khách hàng VCB (trang 26, Bảng 1.1).
• Phiếu điều tra số 2: 190 phiếu hợp lệ từ 200 phiếu khảo sát (đạt 95%) được thu thập từ Hội sở chính, các Chi nhánh và công ty trực thuộc (trang 27, Bảng 1.2). Ý nghĩa của luận án là cung cấp cơ sở lý luận và thực tiễn vững chắc cho VCB nói riêng và các NHTM Việt Nam nói chung trong việc hoạch định chiến lược PTNNL nhằm thích ứng và phát triển trong kỷ nguyên số, duy trì năng lực cạnh tranh trong thị trường tài chính ngày càng khốc liệt.

Literature Review và Positioning

Luận án tiến hành tổng quan sâu rộng các công trình nghiên cứu trong và ngoài nước, phân loại thành nhiều nhóm để định vị rõ ràng khoảng trống nghiên cứu và đóng góp của mình.

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể: Các công trình nghiên cứu nước ngoài về PTNNL nói chung trong thời kỳ CMCN 4.0 bao gồm:

• Quản trị NNL (HRM) và Vốn con người: Các tác giả như Ivancevich (2007) trong "Human Resources Management" đã phân tích sâu về bình đẳng cơ hội việc làm, chiến lược NNL toàn cầu, thiết kế công việc, tuyển dụng và đánh giá hiệu suất. Joseph Evans Agolla (2018) trong "Human Capital in the Smart Manufacturing and Industry 4.0 Revolution" đề cao vai trò của quản lý vốn con người và khái niệm vốn siêu nhân lực.
• PTNNL và đổi mới trong CMCN 4.0: Saqib Shamim et al. (2016) trong "Các cách tiếp cận quản lý cho thời kỳ CMCN4.0" nhấn mạnh sự cần thiết của đổi mới và học hỏi liên tục. Rui Pedro Freitas, Carolina Feliciana Machado (2020) trong "Human resource management in Industry 4.0 1st Edition" chỉ ra rằng số hóa đang thay đổi thế giới công việc và mối quan hệ giữa người lao động và máy móc. Ravi Srinivasan, Maneesh Kumar và Sriram Narayanan (2020) trong "Quản lý nguồn nhân lực trong kỷ nguyên công nghiệp 4.0" đề xuất các phương thức HRM mới tập trung vào thu hút và quản lý lực lượng lao động tận dụng công nghệ 4.0.
• Giữ chân nhân tài và văn hóa làm việc: LESLIE MCKEOWN (2007) với "Nghệ thuật giữ chân nhân viên giỏi" cung cấp các phương pháp thu hút và giữ chân nhân viên thông qua khen thưởng, đãi ngộ. Christopher Mulligan and Craig Taylor (2020) với "Nghệ thuật giữ chân nhân tài" phân biệt giữa công ty tốt và công ty vĩ đại dựa trên khả năng giữ chân nhân tài. Karen Mangia (2020) với "Làm việc tại nhà" đưa ra mô hình làm việc từ xa thích ứng với CMCN 4.0 và bối cảnh dịch bệnh.
• Lãnh đạo và quản lý tri thức trong 4.0: Birgit Oberer, Alptekin Erkollar (2018) trong "Leadership 4.0: Những nhà lãnh đạo kỹ thuật số trong thời đại công nghiệp 4.0" khuyến nghị đầu tư vào năng lực dữ liệu, phân tích và tương tác người-máy. Maximiliane Wilkesmann, Uwe Wilkesmann (2018) trong "Công nghiệp 4.0 – tổ chức các quy trình hoặc đổi mới" phân tích các hình thức tổ chức công việc số hóa và tác động của chúng.

Các công trình nghiên cứu nước ngoài liên quan đến PTNNL trong ngành ngân hàng thời kỳ CMCN 4.0 bao gồm:

• Dimitrios Salampasis et al. (2015) trong "Tạp chí Quốc tế về Kinh doanh xuất sắc đổi mới" khám phá mối quan hệ giữa thực tiễn quản lý NNL và áp dụng đổi mới trong lĩnh vực ngân hàng, đề xuất PTNNL ảnh hưởng đến đổi mới và lòng tin là yếu tố điều chỉnh.
• Sweety Dubey và Bhuwan Gupta (Khoa Nghiên cứu Quản lý, Ấn Độ) nghiên cứu "Thực tiễn Nguồn nhân lực Sáng tạo ở các Ngân hàng Ấn Độ", nhấn mạnh quản lý NNL hiệu quả là yếu tố sống còn trong cạnh tranh.
• K C Chakrabarty (2012) - Phó thống đốc Ngân hàng Dự trữ Ấn Độ, đã nhấn mạnh quản lý con người và quản lý rủi ro là hai thách thức lớn nhất mà ngân hàng phải đối mặt, trong đó con người là yếu tố then chốt.
• Báo cáo nghiên cứu nhân sự Deutsche Bank (2019) tập trung vào việc thúc đẩy văn hóa hiệu suất bền vững, các chế độ đãi ngộ, môi trường làm việc và đầu tư vào nhân tài để duy trì tính cạnh tranh.
• Karen Higginbottom (2015) trong "HR Challenges Facing The Banking Sector in 2015" chỉ ra những khó khăn và thách thức về chất lượng NNL, chảy máu chất xám và yêu cầu tuân thủ cao trong ngành ngân hàng.

Các công trình trong nước cũng được tổng quan:

• Tô Huy Rứa (2014) với "Một số vấn đề về phát triển nguồn nhân lực chất lượng cao ở nước ta hiện nay" khẳng định NNL chất lượng cao là nhân tố quyết định năng suất, hiệu quả và năng lực cạnh tranh quốc gia.
• Các hội thảo như "Phát triển nguồn nhân lực chất lượng cao cho ngành Ngân hàng Việt Nam" (Học viện Ngân hàng, 2010) đã tập hợp nhiều nghiên cứu về quan niệm, nhu cầu, thực trạng và giải pháp cho NNL ngân hàng, với các đóng góp từ ThS. Trần Hữu Thắng, PGS. TS Tô Ngọc Hưng và ông Trần Xuân Hoàng.
• ThS Phạm Xuân Hòe (2017) với "Ngân hàng Việt Nam với cách mạng công nghiệp lần thứ 4 và những định hướng tiếp cận" đã đánh giá tác động của CMCN 4.0 đến hệ thống Ngân hàng Việt Nam, đặc biệt là các NHTM, chỉ ra sự thay đổi mô thức hoạt động, quản trị, sản phẩm và yêu cầu nhân sự.

Contradictions/debates với ít nhất 2 opposing views: Trong bối cảnh CMCN 4.0, có sự tranh luận về quy mô NNL trong tương lai của ngành ngân hàng. Một mặt, các nghiên cứu như của Tô Huy Vũ và Xuân Thanh (2018) trên Diễn đàn Kinh tế thế giới nhận định "các ngân hàng giảm được số lượng nhân viên" do CMCN 4.0 và "việc cạnh tranh thông qua mở rộng mạng lưới các chi nhánh ngân hàng sẽ dần chấm dứt" (trang 21). Mặt khác, họ cũng khẳng định "nhu cầu về nguồn nhân lực chất lượng cao sẽ gia tăng (giỏi cả về chuyên môn nghiệp vụ ngân hàng và công nghệ thông tin)" (trang 21). Điều này tạo ra một nghịch lý: tổng số lượng có thể giảm, nhưng yêu cầu về chất lượng và chuyên môn hóa lại tăng đột biến, đòi hỏi một sự tái cấu trúc NNL sâu rộng. Luận án giải quyết mâu thuẫn này bằng cách tập trung vào "phát triển về số lượng đến phát triển về chất lượng đồng thời phân tích nhân tố ảnh hưởng" (trang 4), thừa nhận cả hai chiều hướng tác động.

Positioning trong literature với specific gap identified: Luận án tự định vị là nghiên cứu đầu tiên tập trung "một cách toàn diện, hệ thống lý luận PTNNL ở NHTM và VCB thời kỳ cách mạng công nghiệp lần thứ tư" (trang 23) và "đề xuất giải pháp PTNNL tại VCB trong giai đoạn cách mạng công nghiệp 4.0" (trang 23). Các công trình trước đây chỉ đề cập đến PTNNL trong ngân hàng nói chung, chưa đi sâu vào đặc điểm riêng của VCB hoặc chưa phân tích yếu tố đột phá của CMCN 4.0 đối với hiệu quả và năng lực cạnh tranh của một NHTM cụ thể. Đặc biệt, luận án này là "công trình nghiên cứu tiên phong trong việc cụ thể hóa ý tưởng chỉ đạo của Chính phủ trong thời kỳ cách mạng công nghệ 4.0" về phát triển NNL (trang 23).

How this advances field với concrete contributions: Nghiên cứu này thúc đẩy lĩnh vực quản trị NNL bằng cách cung cấp một mô hình PTNNL thích ứng với CMCN 4.0 cho ngành ngân hàng. Nó không chỉ mở rộng lý thuyết về vốn con người trong bối cảnh công nghệ số mà còn cung cấp bằng chứng thực nghiệm về sự thay đổi cơ cấu NNL và yêu cầu kỹ năng mới. Các đề xuất cụ thể về chiến lược PTNNL, tái cơ cấu và đào tạo sẽ là tài liệu tham khảo quý giá, giúp các tổ chức tài chính định hình lực lượng lao động tương lai.

So sánh với ÍT NHẤT 2 international studies:

1. So sánh với Deutsche Bank (2019): Báo cáo của Deutsche Bank nhấn mạnh việc thúc đẩy văn hóa hiệu suất bền vững, chế độ đãi ngộ công bằng, môi trường làm việc và đầu tư vào nhân tài là yếu tố cốt lõi để duy trì tính cạnh tranh. Luận án về VCB cũng chia sẻ quan điểm về tầm quan trọng của đãi ngộ và môi trường làm việc ("Công tác đãi ngộ nhân sự" - trang 111, và khảo sát về sự hài lòng chế độ đãi ngộ của người lao động - trang 25). Tuy nhiên, luận án VCB đi sâu hơn vào việc "lượng hóa được sự biến động NNL trong tương lai" và đề xuất "kế hoạch và lộ trình cụ thể đối với việc mở rộng hay thu hẹp từng đối tượng NNL" (trang 6), một khía cạnh mà báo cáo của Deutsche Bank có thể chưa tập trung chi tiết đến mức độ định lượng này.
2. So sánh với các ngân hàng Ấn Độ (Sweety Dubey & Bhuwan Gupta, 2018; K C Chakrabarty, 2012): Các nghiên cứu tại Ấn Độ nhấn mạnh quản lý NNL hiệu quả để tồn tại trong cạnh tranh và tầm quan trọng của con người trong quản lý rủi ro. Tương tự, luận án của Thiều Quang Hiệp cũng xác nhận PTNNL là "yếu tố hết sức cần thiết tạo nên thương hiệu và sự thành công của VCB" (trang 2) và giúp "nâng cao được năng lực cạnh tranh, chủ động ứng phó với những biến động khó lường của thị trường tiền tệ" (trang 2). Tuy nhiên, các công trình của Ấn Độ chưa tập trung chuyên sâu vào tác động cụ thể của CMCN 4.0 và giải pháp định lượng cho việc tái cấu trúc NNL trong một NHTM cụ thể như VCB. Luận án Việt Nam đã phân tích chi tiết "biến động cơ cấu lao động quản lý, cơ cấu lao động chuyên công nghệ thông tin trong ngân hàng, cơ cấu nhóm lao động máy móc và trí tuệ nhân tạo có thể thay thế" (trang 59), cung cấp một cái nhìn chi tiết hơn về sự thay đổi do công nghệ.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp đáng kể vào lý thuyết về Phát triển Nguồn nhân lực (PTNNL) và Quản trị Nguồn nhân lực (HRM) trong bối cảnh Cách mạng Công nghiệp lần thứ tư (CMCN 4.0), đặc biệt trong lĩnh vực ngân hàng.

• Extend/challenge WHICH specific theories (name theorists):

  • Mở rộng Lý thuyết Vốn con người (Human Capital Theory) của Gary Becker và Theodore Schultz: Luận án mở rộng lý thuyết này bằng cách đưa ra khái niệm "vốn siêu nhân lực" (super human capital) trong kỷ nguyên 4.0, nơi vốn con người không chỉ là sáng tạo mà còn là khả năng tận dụng công nghệ và trí tuệ nhân tạo. Nó đi xa hơn các nghiên cứu của Psacharopoulos và Patrinos (2004), Krueger và Lindahl (1999), Borjas (2005) về mối liên hệ giữa giáo dục và thu nhập, bằng cách nhấn mạnh các kỹ năng số và chuyên môn công nghệ thông tin là các thành phần vốn con người mới có suất sinh lợi cao trong ngành ngân hàng. Luận án cũng thách thức quan điểm truyền thống về đầu tư vào vốn con người bằng cách đề xuất rằng đầu tư phải đặc biệt nhắm vào các kỹ năng số hóa và khả năng thích ứng với công nghệ mới để duy trì lợi thế cạnh tranh.
  • Thách thức và bổ sung lý thuyết quản trị hiệu suất của Christina Osborne Ken Langdon (2006) và Harvard Business Handbook (2006): Trong khi các tác giả này tập trung vào việc đánh giá, phát triển năng lực và động viên nhân viên truyền thống, luận án nhấn mạnh rằng việc quản lý hiệu suất trong kỷ nguyên số cần phải tích hợp các công cụ phân tích dữ liệu và trí tuệ nhân tạo để theo dõi sự thay đổi, huấn luyện và đánh giá một cách linh hoạt hơn. Mô hình đánh giá cần thích ứng với các vai trò công việc mới do tự động hóa và các kỹ năng chuyên môn về công nghệ thông tin.
  • Bổ sung lý thuyết về PTNNL trong tổ chức của McLagan (1989) và McLean & McLean (2001): Các định nghĩa truyền thống về PTNNL tập trung vào đào tạo, phát triển sự nghiệp cá nhân và tổ chức. Luận án cụ thể hóa điều này trong bối cảnh ngân hàng 4.0, định nghĩa PTNNL là "quá trình tạo ra sự thay đổi tích cực về số lượng, nâng cao chất lượng, bố trí hợp lý hóa cơ cấu nguồn nhân lực và việc thực hiện phát triển nguồn nhân lực nội tại của một tổ chức trong đó nội dung chủ yếu nhất là đào tạo và bồi dưỡng nâng cao năng lực của NNL nhằm cải thiện hiệu quả và năng suất lao động đáp ứng yêu cầu phát triển của tổ chức" (trang 34). Điều này nhấn mạnh sự cần thiết của sự thay đổi cơ cấu và tích hợp công nghệ vào quy trình PTNNL.

• Conceptual framework với components và relationships: Khung lý thuyết của luận án xoay quanh mối quan hệ ba chiều giữa CMCN 4.0, Phát triển Nguồn nhân lực (PTNNL) và Hiệu quả hoạt động của Ngân hàng Thương mại (NHTM).

  • Components:
    • CMCN 4.0: Đặc điểm (tự động hóa, AI, Big Data), cơ hội (sản phẩm dịch vụ mới, tối ưu hóa quy trình) và thách thức (thay đổi cấu trúc, phương thức hoạt động, yêu cầu NNL).
    • PTNNL tại NHTM: Bao gồm phát triển về số lượng (tái cơ cấu lao động giản đơn, tăng chuyên gia IT), chất lượng (kỹ năng số, chuyên môn ngân hàng số, đạo đức nghề nghiệp), cơ cấu (theo nhóm công việc, giới tính, độ tuổi), và các nhân tố ảnh hưởng (tuyển dụng, đào tạo, đãi ngộ, môi trường làm việc).
    • Hiệu quả hoạt động của VCB: Năng suất lao động, năng lực cạnh tranh, khả năng thích ứng và duy trì vị thế dẫn đầu trong kỷ nguyên số.
  • Relationships: CMCN 4.0 tác động trực tiếp lên NNL (cơ hội & thách thức), buộc PTNNL phải đổi mới và thích ứng. PTNNL hiệu quả (thông qua tuyển dụng, đào tạo, đãi ngộ phù hợp) sẽ cải thiện năng suất lao động và năng lực cạnh tranh của NHTM, từ đó nâng cao hiệu quả hoạt động. Các nhân tố bên trong (chiến lược tổ chức, công nghệ nội bộ) và bên ngoài (chính sách nhà nước, thị trường lao động) ảnh hưởng đến quá trình PTNNL.

• Theoretical model với propositions/hypotheses numbered: Mô hình lý thuyết được đề xuất bao gồm các mệnh đề sau:

  • P1: Sự phát triển của CMCN 4.0 (sự thâm nhập của AI và tự động hóa) tỷ lệ nghịch với nhu cầu về lao động giản đơn và giao dịch viên truyền thống, nhưng tỷ lệ thuận với nhu cầu về nhân lực chuyên môn công nghệ thông tin và ngân hàng số trong các NHTM.
  • P2: Việc thiếu hụt chiến lược PTNNL rõ ràng và đầu tư chưa tương xứng vào đào tạo kỹ năng số là nguyên nhân chính dẫn đến khoảng trống nhân sự chuyên gia công nghệ và ngân hàng số tại các NHTM.
  • P3: Một chiến lược PTNNL tích hợp (bao gồm tái cơ cấu tổ chức bộ máy, xây dựng kế hoạch sử dụng NNL chất lượng cao, và lộ trình đào tạo chuyên sâu về công nghệ) sẽ nâng cao năng lực thích ứng, năng suất lao động và năng lực cạnh tranh của NHTM trong kỷ nguyên số.
  • P4: Các chính sách đãi ngộ nhân sự cạnh tranh và môi trường làm việc thúc đẩy đổi mới là cần thiết để giữ chân NNL chất lượng cao, đặc biệt là các chuyên gia công nghệ, trong bối cảnh dịch chuyển lao động do CMCN 4.0.

• Paradigm shift với EVIDENCE từ findings: Luận án gợi mở một sự chuyển đổi mô hình (paradigm shift) từ PTNNL truyền thống sang PTNNL chiến lược và định hướng công nghệ. Bằng chứng từ VCB cho thấy sự thay đổi rõ rệt trong cơ cấu lao động: "Nếu loại trừ số lao động tăng do phát triển quy mô và mạng lưới, thì nhóm lao động giản đơn, nhóm giao dịch viên tại quầy, và một số nhóm lao động hỗ trợ khác giảm sút nhanh chóng do sự thay thế của máy móc, trí tuệ nhân tạo và tiện ích của sản phẩm dịch vụ" (trang 5). Đồng thời, "lao động chuyên công nghệ thông tin tăng nhanh nhất" (trang 101). Điều này cho thấy sự cần thiết phải từ bỏ mô hình phát triển dựa trên số lượng lớn lao động truyền thống để chuyển sang mô hình tập trung vào chất lượng, kỹ năng số hóa và chuyên môn sâu, đòi hỏi "tái cơ cấu tổ chức bộ máy từ khâu phân loại, đánh giá lại NNL, xây dựng kế hoạch theo từng nhóm lao động, phù hợp với các vị trí công việc trong thời kỳ số" (trang 5).

Khung phân tích độc đáo

Khung phân tích của luận án thể hiện sự tích hợp độc đáo giữa các lý thuyết và phương pháp tiếp cận để giải quyết vấn đề PTNNL trong bối cảnh đặc thù của CMCN 4.0 tại một NHTM.

• Integration của theories (name 3+ specific theories): Khung phân tích tích hợp sâu sắc Lý thuyết Vốn con người (Human Capital Theory), Lý thuyết Tổ chức học tập (Organizational Learning Theory) và Lý thuyết Dựa trên Nguồn lực (Resource-Based View - RBV).

  1. Lý thuyết Vốn con người: Được sử dụng để phân tích các yếu tố cấu thành chất lượng NNL (thể lực, trí lực, trình độ văn hóa, kỹ thuật, chuyên môn, kỹ năng, đạo đức nghề nghiệp) và mối liên hệ giữa đầu tư vào NNL và năng suất lao động/thu nhập. Khung phân tích nhấn mạnh việc đầu tư vào các kỹ năng số hóa và chuyên môn công nghệ là yếu tố then chốt của vốn con người trong kỷ nguyên 4.0.
  2. Lý thuyết Tổ chức học tập (Peter Senge, 1990): Khung phân tích đề cao vai trò của học hỏi liên tục và khả năng thích ứng của tổ chức. Như Saqib Shamim et al. (2016) đã đề xuất, PTNNL trong kỷ nguyên 4.0 đòi hỏi sự đổi mới và học hỏi liên tục. Khung phân tích này giúp giải thích tầm quan trọng của các chương trình đào tạo hiện đại, đa dạng hóa hình thức đào tạo, và hợp tác quốc tế để VCB trở thành một tổ chức học tập nhanh, bắt kịp với tốc độ thay đổi công nghệ.
  3. Lý thuyết Dựa trên Nguồn lực (Barney, 1991): Khung phân tích xem xét NNL chất lượng cao là một nguồn lực chiến lược, hiếm có, không thể bắt chước và không thể thay thế dễ dàng (VRIN resources), tạo nên lợi thế cạnh tranh bền vững cho VCB. Việc xác định khoảng trống nhân sự chuyên gia CNTT và ngân hàng số (trang 5) là minh chứng cho việc VCB cần củng cố nguồn lực quý giá này để duy trì vị thế dẫn đầu.

• Novel analytical approach với justification: Luận án áp dụng một cách tiếp cận phân tích đa chiều, kết hợp định lượng và định tính, đồng thời tích hợp góc độ chiến lược vĩ mô (tác động của CMCN 4.0) và vi mô (thực trạng tại VCB).

  1. Phân tích tác động "từ trên xuống" của CMCN 4.0: Bắt đầu bằng việc khái quát CMCN 4.0, các đặc điểm, cơ hội và thách thức (Chương 2). Điều này tạo bối cảnh vĩ mô để hiểu rõ áp lực chuyển đổi đối với VCB.
  2. Phân tích thực trạng "từ dưới lên" tại VCB: Sử dụng dữ liệu định lượng (số lượng, cơ cấu NNL, năng suất lao động, kết quả khảo sát) và định tính (phỏng vấn chuyên gia) để đánh giá chi tiết tình hình PTNNL tại ngân hàng. Cách tiếp cận này giúp xác định các điểm mạnh, hạn chế và nguyên nhân cụ thể tại VCB, như việc "thiếu hụt một lực lượng đáng kể về nhân sự chuyên gia lĩnh vực công nghệ thông tin và chuyên gia đầu ngành về ngân hàng số" (trang 5).
  3. Phương pháp chuyên gia (Expert Method): Được sử dụng để xác định mục tiêu nghiên cứu, rút ra bài học kinh nghiệm và thu thập các vấn đề chuyên sâu định tính thông qua trao đổi trực tiếp và hội thảo (trang 27). Điều này mang lại chiều sâu và tính xác đáng cho các đánh giá và đề xuất giải pháp.

• Conceptual contributions với definitions: Luận án đóng góp các khái niệm đã được tinh chỉnh hoặc làm rõ trong bối cảnh mới:

  • Phát triển Nguồn nhân lực trong NHTM thời kỳ CMCN 4.0: Định nghĩa PTNNL là "quá trình tạo ra sự thay đổi tích cực về số lượng, nâng cao chất lượng, bố trí hợp lý hóa cơ cấu nguồn nhân lực và việc thực hiện phát triển nguồn nhân lực nội tại của một tổ chức trong đó nội dung chủ yếu nhất là đào tạo và bồi dưỡng nâng cao năng lực của NNL nhằm cải thiện hiệu quả và năng suất lao động đáp ứng yêu cầu phát triển của tổ chức" (trang 34). Định nghĩa này nhấn mạnh tính chiến lược, toàn diện và sự cần thiết của việc thích ứng với công nghệ.
  • Nguồn nhân lực chất lượng cao trong kỷ nguyên số: Là những người lao động không chỉ giỏi chuyên môn nghiệp vụ ngân hàng mà còn "giỏi công nghệ thông tin" (trang 21), có khả năng ứng dụng AI, Big Data, và thích nghi với môi trường ngân hàng số.

• Boundary conditions explicitly stated: Luận án đã xác định rõ các điều kiện biên của nghiên cứu:

  • Phạm vi không gian: Tập trung "Tại VCB" (trang 3), mặc dù các giải pháp có thể có giá trị tham khảo cho các NHTM khác.
  • Phạm vi thời gian: Nghiên cứu thực trạng từ 2016 đến 2020 và đề xuất giải pháp đến 2025 (trang 3). Điều này giới hạn tính khái quát của dữ liệu lịch sử nhưng đảm bảo tính cập nhật cho các đề xuất.
  • Phạm vi nội dung: "Đặc biệt tập trung vào phát triển NNL đang làm nghiệp vụ ngân hàng, có tính đến sự tác động của CMCN 4.0" (trang 3), không bao gồm các nhóm NNL khác ngoài nghiệp vụ ngân hàng hoặc các ngành khác. Điều này giúp nghiên cứu có chiều sâu nhưng có thể không đại diện cho toàn bộ lĩnh vực tài chính.

Phương pháp nghiên cứu tiên tiến

Luận án áp dụng một cách tiếp cận phương pháp luận đa dạng và chặt chẽ, kết hợp cả định tính và định lượng, để cung cấp một cái nhìn toàn diện về PTNNL trong bối cảnh CMCN 4.0 tại VCB.

Thiết kế nghiên cứu

• Research philosophy (positivism/interpretivism/critical realism): Luận án thể hiện rõ ràng triết lý nghiên cứu Thực dụng (Pragmatism). Điều này được thể hiện qua việc kết hợp các phương pháp định tính và định lượng (mixed methods) để "làm rõ những vấn đề lý luận và thực tiễn về PTNNL tại VCB" và "đề xuất các quan điểm và giải pháp PTNNL" (trang 2). Triết lý thực dụng tập trung vào việc tìm kiếm các giải pháp thực tế cho vấn đề, thay vì chỉ duy trì một quan điểm nhận thức luận (epistemological stance) duy nhất. Mặc dù có yếu tố định lượng mạnh (khảo sát, thống kê), luận án cũng sử dụng phỏng vấn sâu và ý kiến chuyên gia, mang yếu tố giải thích và hiểu biết sâu sắc, phù hợp với một cách tiếp cận thực dụng.

• Mixed methods với SPECIFIC combination rationale: Nghiên cứu sử dụng phương pháp hỗn hợp (mixed methods) với sự kết hợp cụ thể giữa khảo sát định lượng và phỏng vấn định tính.

  • Khảo sát định lượng: Sử dụng phiếu điều tra (phiếu số 01 và 02) để thu thập dữ liệu về "Phát triển nguồn nhân lực về số lượng, chất lượng, cơ cấu lao động của và khảo sát sự hài lòng chế độ đãi ngộ đối với người lao động của VCB" (trang 25). Mục đích là để "thống kê điểm được đánh giá của từng nội dung chuẩn đoán PTNNL" (trang 27), cung cấp dữ liệu khách quan, có thể khái quát hóa.
  • Phỏng vấn sâu (bán cấu trúc và không cấu trúc) và ý kiến chuyên gia: Tiến hành phỏng vấn "các chuyên gia, giám đốc các Chi nhánh, công ty con, Ban lãnh đạo; đại diện các lãnh đạo Ban tổ chức nhân sự, Trưởng phòng Hành chính nhân sự các Chi nhánh và một số người lao động" (trang 25) về nhu cầu đào tạo, chính sách tuyển dụng, chế độ đãi ngộ và xu hướng PTNNL thời kỳ CMCN 4.0. Mục đích là để thu thập "những bài học kinh nghiệm, cùng các vấn đề chuyên sâu theo tiêu chí định tính" (trang 27), cung cấp sự hiểu biết sâu sắc và bối cảnh cho các phát hiện định lượng. Sự kết hợp này nhằm triangulate findings (đối chiếu kết quả) và cung cấp một bức tranh toàn diện, giúp giải thích "tại sao" đằng sau các con số, từ đó "có cơ sở khoa học đề xuất các giải pháp tập trung góp phần nâng cao công tác PTNNL" (trang 27).

• Multi-level design với levels clearly defined: Thiết kế nghiên cứu được thực hiện theo nhiều cấp độ trong hệ thống VCB:

  • Cấp độ Hội sở chính (HSC): Các phòng ban HSC và Trung tâm CNTT VCB (trang 26).
  • Cấp độ Chi nhánh: Các Chi nhánh thuộc 7 khu vực trong cả nước, được phân bổ theo 3 loại (loại I, II, III), bao gồm cả 2 chi nhánh có quy mô lớn nhất (Sở giao dịch và Hồ Chí Minh) (trang 25).
  • Cấp độ Công ty con và Đơn vị trực thuộc: Được khảo sát trong phiếu điều tra số 2 (trang 26, Bảng 1.2). Thiết kế đa cấp độ này đảm bảo thu thập dữ liệu từ các bộ phận có vai trò và đặc điểm NNL khác nhau trong một tổ chức lớn, từ đó phản ánh chân thực hơn thực trạng PTNNL.

• Sample size và selection criteria EXACT:

  • Phiếu điều tra số 01: Tổng cộng 200 phiếu in ra, thu về 183 phiếu hợp lệ (tỷ lệ 91,5%). Trong đó:
    • Các phòng ban Hội sở chính: 55 phiếu (từ 60 dự kiến)
    • Trung tâm CNTT VCB: 18 phiếu (từ 20 dự kiến)
    • Các Chi nhánh thuộc 7 khu vực: 94 phiếu (từ 100 dự kiến)
    • Các Khách hàng thuộc VCB: 16 phiếu (từ 20 dự kiến) (trang 26, Bảng 1.1).
  • Phiếu điều tra số 02: Tổng cộng 200 phiếu in ra, thu về 190 phiếu hợp lệ (tỷ lệ 95%). Trong đó:
    • Hội sở chính: 77 phiếu (từ 80 dự kiến)
    • Các Chi nhánh 7 khu vực: 96 phiếu (từ 100 dự kiến)
    • Các công ty trực thuộc: 17 phiếu (từ 20 dự kiến) (trang 27, Bảng 1.2).
  • Tiêu chí chọn mẫu: Phương pháp chọn mẫu phi xác suất được sử dụng, dựa trên "điều kiện hạn chế về nguồn lực" và "phân cấp quản lý, chức năng nhiệm vụ của từng phòng ban chức năng, các Chi nhánh và công ty trực thuộc trong hệ thống VCB" (trang 25). Điều này cho thấy đây là một mẫu chọn lọc có chủ đích (purposive sampling) nhằm đảm bảo tính đại diện cho các đối tượng quan trọng trong nghiên cứu.

Quy trình nghiên cứu rigorous

• Sampling strategy với inclusion/exclusion criteria:

  • Chiến lược lấy mẫu: Mẫu phi xác suất, cụ thể là mẫu chọn lọc có chủ đích (purposive sampling). Tác giả lựa chọn 116 đơn vị bao gồm Hội sở chính, các chi nhánh và công ty con (Phụ lục 6, trang 182-187), đại diện cho các khu vực và quy mô khác nhau.
  • Tiêu chí bao gồm (inclusion criteria): Cán bộ quản lý, người lao động tại VCB, khách hàng của VCB, chuyên gia, giám đốc chi nhánh/công ty con, lãnh đạo Ban tổ chức nhân sự, trưởng phòng Hành chính nhân sự tại các chi nhánh. Các đối tượng này được chọn vì có vai trò trực tiếp trong hoạt động và PTNNL tại VCB.
  • Tiêu chí loại trừ (exclusion criteria): Phiếu không hợp lệ, phiếu không đủ thông tin, hoặc có nội dung trả lời mâu thuẫn (trang 26, 27). Điều này đảm bảo chất lượng dữ liệu được sử dụng cho phân tích.

• Data collection protocols với instruments described:

  • Nghiên cứu lý thuyết và tổng kết thực tiễn: Thu thập từ giáo trình, luận án, công trình nghiên cứu, tạp chí chuyên ngành.
  • Dữ liệu thống kê: Từ Ban thư ký chiến lược và nghiên cứu tổng hợp, Ban tổ chức nhân sự, các Chi nhánh và công ty trực thuộc VCB (trang 25).
  • Phiếu điều tra: Hai loại phiếu điều tra được thiết kế (Phụ lục 1, Phụ lục 2) và thực hiện trong khoảng thời gian cụ thể (tháng 4-6/2019 cho phiếu 1, tháng 6/2020 cho phiếu 2) (trang 26).
  • Phỏng vấn sâu: Sử dụng bản hỏi không cấu trúc và bán cấu trúc. Các cuộc phỏng vấn được thực hiện định kỳ "6 tháng 1 lần vào các kỳ họp sơ kết 6 tháng và hội nghị triển khai nhiệm vụ kinh doanh của VCB vào đầu tháng 1 hàng năm" từ 2019-2020 (trang 25). Tác giả đặt lịch và gửi câu hỏi trước để đối tượng phỏng vấn chuẩn bị. Ghi chép trên giấy được thực hiện tại buổi phỏng vấn và tổng hợp vào Phụ lục 02.

• Triangulation (data/method/investigator/theory): Nghiên cứu thể hiện sự tam giác hóa mạnh mẽ:

  • Tam giác hóa dữ liệu (Data Triangulation): Thu thập dữ liệu từ nhiều nguồn khác nhau: báo cáo nội bộ VCB, tài liệu lý thuyết, kết quả khảo sát định lượng từ NNL và khách hàng, và ghi nhận từ phỏng vấn sâu chuyên gia/lãnh đạo.
  • Tam giác hóa phương pháp (Methodological Triangulation): Kết hợp phương pháp định lượng (khảo sát bằng bảng câu hỏi) và định tính (phỏng vấn sâu, quan sát, tổng kết thực tiễn).
  • Tam giác hóa lý thuyết (Theoretical Triangulation): Sử dụng nhiều lý thuyết khác nhau (Vốn con người, Tổ chức học tập, Dựa trên Nguồn lực) để giải thích cùng một hiện tượng, mang lại chiều sâu cho phân tích. Sự kết hợp này nâng cao tính hợp lệ và độ tin cậy của các phát hiện.

• Validity (construct/internal/external) và reliability (α values):

  • Độ tin cậy (Reliability): Mặc dù giá trị Cronbach's Alpha (α) không được nêu rõ trong phần tóm tắt, nhưng quy trình thu thập và xử lý dữ liệu được thiết kế để tối đa hóa độ tin cậy. Việc loại bỏ "phiếu không hợp lệ và phiếu không đủ thông tin hoặc mâu thuẫn trong nội dung trả lời" (trang 26, 27) là một bước quan trọng để đảm bảo tính nhất quán của dữ liệu.
  • Độ giá trị cấu trúc (Construct Validity): Các khái niệm như "Phát triển nguồn nhân lực", "NNL chất lượng cao" được định nghĩa rõ ràng và đo lường thông qua các chỉ báo cụ thể trong phiếu khảo sát và câu hỏi phỏng vấn (ví dụ: trình độ học vấn, kỹ năng làm việc, đạo đức nghề nghiệp, khả năng sử dụng phần mềm chuyên môn – Bảng 3.10-3.13, trang 93-96).
  • Độ giá trị nội bộ (Internal Validity): Việc phân tích các nhân tố ảnh hưởng đến PTNNL (tuyển dụng, đào tạo, đãi ngộ - trang 105-112) và mối liên hệ giữa chúng với thực trạng PTNNL tại VCB cho thấy nỗ lực thiết lập quan hệ nhân quả.
  • Độ giá trị bên ngoài (External Validity/Generalizability): Mặc dù tập trung vào VCB, nghiên cứu khẳng định các giải pháp có "giá trị tham khảo cho các NHTM nói chung" (trang 6). Việc lựa chọn các chi nhánh đại diện ở 7 khu vực trên cả nước (trang 25) giúp nâng cao khả năng khái quát hóa các phát hiện cho bối cảnh ngân hàng Việt Nam.

Data và phân tích

• Sample characteristics với demographics/statistics: Dữ liệu về NNL của VCB được phân tích theo các đặc điểm:

  • Số lượng cán bộ: Tăng từ 2016 đến 2020 (Bảng 3.5, trang 83).
  • Tốc độ phát triển lao động tăng hàng năm: (Bảng 3.6, trang 85).
  • Số lượng cán bộ đáp ứng yêu cầu chuyển đổi số: (Bảng 3.7, trang 87).
  • Số lượng lao động theo khối: (Bảng 3.8, trang 88).
  • Tình hình sức khỏe cán bộ: (Bảng 3.9, trang 90).
  • Trình độ học vấn: (Bảng 3.10, trang 93).
  • Kỹ năng làm việc: (Bảng 3.11, trang 94).
  • Đạo đức nghề nghiệp và kỷ luật lao động: (Bảng 3.12, trang 95).
  • Khả năng sử dụng phần mềm chuyên môn: (Bảng 3.13, trang 96).
  • Năng suất lao động: (Bảng 3.16, trang 100).
  • Cơ cấu lao động theo nhóm công việc: Lao động chuyên công nghệ thông tin tăng nhanh nhất (Bảng 3.17, trang 102).
  • Cơ cấu theo giới tính và độ tuổi: (Bảng 3.18, Biểu đồ 3.4, trang 103-104).

• Advanced techniques (SEM/multilevel/QCA etc.) với software: Luận án sử dụng các phương pháp phân tích thông tin và số liệu phổ biến trong nghiên cứu kinh tế - xã hội. Mặc dù không nêu rõ các kỹ thuật phân tích tiên tiến như SEM (Structural Equation Modeling), multilevel modeling hay QCA (Qualitative Comparative Analysis), nhưng việc sử dụng "phương pháp phân tích tổng hợp từ những số liệu và tài liệu được xử lý" và "phương pháp thống kê mô tả" để "thống kê điểm được đánh giá của từng nội dung chuẩn đoán PTNNL" (trang 27) cho thấy khả năng sử dụng các phần mềm thống kê phổ biến (ví dụ: SPSS, R, Stata) để xử lý dữ liệu khảo sát định lượng, mặc dù phần mềm cụ thể không được nêu tên trong đoạn trích. Các "tính toán thống kê đều dựa trên cơ sở số liệu điều tra, thu thập khách quan và đảm bảo quy luật số lớn thông thường trong nghiên cứu kinh tế và xã hội, số mẫu >100 là đảm bảo (Nguyễn Đình Thọ (2012); Nguyễn Văn Thắng (2017))" (trang 27), cho thấy sự tuân thủ các nguyên tắc thống kê cơ bản.

• Robustness checks với alternative specifications: Mặc dù không nêu cụ thể về các kiểm định độ vững (robustness checks) hoặc các đặc điểm kỹ thuật thay thế (alternative specifications), việc sử dụng tam giác hóa phương pháp và dữ liệu (như đã mô tả) ngụ ý một mức độ kiểm tra tính vững chắc của các phát hiện. Sự đối chiếu kết quả khảo sát định lượng với ý kiến chuyên gia (phỏng vấn sâu) giúp xác nhận và làm sâu sắc thêm các kết quả, đảm bảo rằng các phát hiện không chỉ là sản phẩm của một phương pháp đơn lẻ.

• Effect sizes và confidence intervals reported: Luận án trình bày nhiều số liệu thống kê mô tả (tỷ lệ phần trăm, tốc độ tăng trưởng, cơ cấu) và kết quả khảo sát. Mặc dù không trực tiếp báo cáo các giá trị thống kê suy luận như effect sizes hay confidence intervals cho các mối quan hệ phức tạp, nhưng việc "phân tích, tổng hợp các kết quả phân tích, lập luận phân tích đưa ra các lý luận và nội hàm trên các lý thuyết và thực tiễn, các mối quan hệ các nhân tố, xu hướng phát triển của đối tượng nghiên cứu" (trang 27) cho thấy việc đưa ra các kết luận dựa trên bằng chứng thu thập được. Để cải thiện, các nghiên cứu tương lai có thể bổ sung các chỉ số này.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã công bố những phát hiện then chốt, cung cấp cái nhìn sâu sắc về PTNNL tại VCB trong thời kỳ CMCN 4.0:

1. Sự chuyển dịch cơ cấu NNL rõ rệt do tự động hóa và AI: "Do tác động của CMCN 4.0... nhóm lao động giản đơn, nhóm giao dịch viên tại quầy, và một số nhóm lao động hỗ trợ khác giảm sút nhanh chóng do sự thay thế của máy móc, trí tuệ nhân tạo và tiện ích của sản phẩm dịch vụ" (trang 5). Đồng thời, "lao động chuyên công nghệ thông tin tăng nhanh nhất" trong cơ cấu nguồn nhân lực theo nhóm công việc (trang 101, Bảng 3.17). Sự chuyển dịch này là bằng chứng cụ thể cho thấy CMCN 4.0 đang tác động trực tiếp đến cấu trúc việc làm trong ngành ngân hàng.
2. Khoảng trống nhân sự chuyên gia công nghệ và ngân hàng số: Mặc dù chất lượng NNL của VCB được đánh giá cao, nhưng thực tế "còn thiếu hụt một lực lượng đáng kể về nhân sự chuyên gia lĩnh vực công nghệ thông tin và chuyên gia đầu ngành về ngân hàng số" (trang 5). Điều này do "chiến lược PTNNL chưa thực sự gắn với sự thay đổi của CMCN 4.0" và công tác đào tạo, thu hút nhân tài chưa thích đáng.
3. Tầm quan trọng của tái cơ cấu tổ chức bộ máy: Để thích ứng với CMCN 4.0, "công tác PTNNL của VCB cần chủ động tái cơ cấu tổ chức bộ máy từ khâu phân loại, đánh giá lại NNL, xây dựng kế hoạch theo từng nhóm lao động, phù hợp với các vị trí công việc trong thời kỳ số" (trang 5). Điều này đòi hỏi một cách tiếp cận chiến lược hơn là chỉ đơn thuần điều chỉnh các chính sách HR hiện có.
4. Sự không tương đồng trong công tác tuyển dụng và đào tạo: Khảo sát cho thấy "ý kiến về công tác tuyển dụng nhân sự đạt được 3.4/5 điểm" trong khi "công tác đào tạo, nâng cao năng lực chuyên môn nhân viên đạt 3.1/5 điểm" (tổng hợp từ kết quả khảo sát phiếu điều tra số 02, Phụ lục 5, trang 181, cho thấy sự cần cải thiện). Điều này chỉ ra rằng quy trình tuyển dụng và đặc biệt là đào tạo chưa hoàn toàn đáp ứng được yêu cầu cấp thiết của kỷ nguyên số, tạo ra sự không đồng bộ giữa nguồn cung và cầu NNL chất lượng cao.
5. Mối liên hệ giữa công tác đãi ngộ và khả năng giữ chân nhân tài: Kết quả khảo sát cho thấy "chế độ đãi ngộ đối với người lao động của VCB đạt mức trung bình khá" (kết quả tổng hợp từ Phụ lục 5, trang 181). Mặc dù VCB là một trong những ngân hàng hàng đầu, việc đãi ngộ chưa thực sự đột phá có thể là yếu tố ảnh hưởng đến việc thu hút và giữ chân các chuyên gia CNTT và ngân hàng số - những người đang rất khan hiếm trên thị trường lao động.

Implications đa chiều

• Theoretical advances với contribution to 2+ theories: Nghiên cứu làm sâu sắc thêm Lý thuyết Vốn con người bằng cách định hình các yếu tố "vốn siêu nhân lực" cần thiết cho ngành ngân hàng trong kỷ nguyên 4.0 (Agolla, 2018). Nó cũng mở rộng Lý thuyết Tổ chức học tập của Senge (1990) bằng cách cung cấp bằng chứng thực nghiệm về cách một tổ chức tài chính lớn như VCB cần phải liên tục học hỏi và tái cấu trúc NNL để thích nghi với tốc độ thay đổi công nghệ. Các phát hiện về sự dịch chuyển cơ cấu NNL cũng góp phần làm rõ hơn Lý thuyết Dựa trên Nguồn lực (RBV) của Barney (1991), nhấn mạnh NNL có kỹ năng số là nguồn lực VRIN (valuable, rare, inimitable, non-substitutable) tạo lợi thế cạnh tranh.

• Methodological innovations applicable to other contexts: Phương pháp luận kết hợp khảo sát định lượng chi tiết với phỏng vấn sâu chuyên gia và thu thập dữ liệu đa cấp độ từ một tổ chức lớn có thể được áp dụng cho các nghiên cứu về PTNNL trong các doanh nghiệp nhà nước hoặc tập đoàn lớn khác đang trải qua quá trình chuyển đổi số tại Việt Nam. Quy trình sàng lọc dữ liệu khảo sát và tam giác hóa mạnh mẽ cũng là một mô hình thực hành tốt.

• Practical applications với specific recommendations:

  1. Hoàn thiện chiến lược PTNNL: Gắn kết chặt chẽ với chiến lược chuyển đổi số của VCB và diễn biến của CMCN 4.0, "xác định rõ xu thế và lượng hóa được sự biến động NNL trong tương lai" (trang 6).
  2. Tái cơ cấu tổ chức bộ máy và NNL: Từ việc phân loại, đánh giá lại NNL đến xây dựng kế hoạch theo từng nhóm lao động (lao động giản đơn, chuyên gia CNTT, ngân hàng số) và bố trí lại một cách hợp lý (trang 5).
  3. Đào tạo và phát triển năng lực chuyên môn: Xây dựng lộ trình đào tạo cụ thể, hiện đại hóa, đa dạng hóa hình thức đào tạo, đặc biệt chú trọng cập nhật kịp thời về CMCN 4.0 và tăng cường hợp tác quốc tế để đào tạo chuyên gia công nghệ mới (trang 149-153).
  4. Thu hút và giữ chân nhân tài: Hoàn thiện cơ chế chính sách thu hút nhân tài, nhân lực chất lượng cao (giỏi chuyên môn và CNTT), đồng thời cải thiện chế độ đãi ngộ để tăng cường sự gắn bó của người lao động (trang 144, 155).

• Policy recommendations với implementation pathway:

  1. Đối với Ngân hàng Nhà nước Việt Nam (NHNN): Đề xuất NHNN cần ban hành khung pháp lý và chính sách hỗ trợ các NHTM trong công tác PTNNL cho CMCN 4.0, bao gồm các chính sách về đào tạo, chứng chỉ kỹ năng số và thu hút nhân tài cho ngành ngân hàng (trang 158).
  2. Khung hợp tác đào tạo: Xây dựng cơ chế hợp tác chặt chẽ giữa các NHTM, các trường đại học, và các tổ chức đào tạo công nghệ để phát triển chương trình đào tạo chuyên biệt cho ngân hàng số, đảm bảo nguồn cung NNL chất lượng cao cho toàn ngành.
  3. Chính sách khuyến khích nghiên cứu và ứng dụng công nghệ: NHNN có thể đưa ra các ưu đãi về thuế hoặc quỹ phát triển công nghệ cho các NHTM đầu tư vào R&D và ứng dụng AI/Big Data, từ đó gián tiếp thúc đẩy nhu cầu và phát triển NNL liên quan.

• Generalizability conditions clearly specified: Các phát hiện và đề xuất của luận án được rút ra từ nghiên cứu tại VCB, một trong 4 NHTM hàng đầu Việt Nam, với tỷ trọng tài sản đạt trên 11% và lợi nhuận chiếm 16,1% thị phần (trang 1). Do đó, các điều kiện khái quát hóa là:

  • Quy mô và vị thế: Áp dụng tốt nhất cho các NHTM lớn, có vị thế dẫn đầu hoặc đang trong quá trình chuyển đổi số mạnh mẽ.
  • Bối cảnh kinh tế - xã hội: Phù hợp với các quốc gia đang phát triển có tốc độ hội nhập và ứng dụng công nghệ nhanh như Việt Nam.
  • Thách thức NNL: Các ngân hàng đối mặt với thách thức tương tự về thiếu hụt chuyên gia công nghệ và cần tái cơ cấu NNL. Tuy nhiên, việc áp dụng cần được điều chỉnh phù hợp với đặc thù quy mô, nguồn lực và chiến lược của từng ngân hàng.

Limitations và Future Research

3-4 specific limitations acknowledged

1. Phạm vi dữ liệu: Mặc dù thu thập dữ liệu từ VCB là một ngân hàng hàng đầu, nhưng nghiên cứu chỉ tập trung vào một tổ chức. Điều này có thể hạn chế khả năng khái quát hóa hoàn toàn cho toàn bộ hệ thống NHTM Việt Nam, đặc biệt là các ngân hàng có quy mô nhỏ hơn hoặc có chiến lược chuyển đổi số khác nhau.
2. Giới hạn thời gian nghiên cứu: Dữ liệu thực trạng được thu thập từ 2016-2020 (trang 3). CMCN 4.0 đang diễn biến rất nhanh chóng, các xu hướng công nghệ và yêu cầu NNL có thể đã thay đổi đáng kể sau năm 2020, đặc biệt trong bối cảnh hậu đại dịch COVID-19 thúc đẩy mạnh mẽ quá trình số hóa.
3. Sự phức tạp trong việc lượng hóa tác động: Việc "lượng hóa được sự biến động NNL trong tương lai" (trang 6) là một thách thức lớn. Mặc dù luận án đã đưa ra định hướng, việc dự báo chính xác và chi tiết mức độ thay thế lao động bởi AI/tự động hóa và nhu cầu NNL mới vẫn còn nhiều yếu tố khó lường.
4. Độ tin cậy của các chỉ số tự đánh giá: Một phần dữ liệu khảo sát dựa trên ý kiến tự đánh giá của cán bộ và khách hàng (Phiếu điều tra số 01 và 02, trang 25). Điều này có thể tiềm ẩn yếu tố chủ quan hoặc thiên vị trong phản hồi.

Boundary conditions về context/sample/time

• Context: Nghiên cứu được thực hiện trong bối cảnh nền kinh tế Việt Nam đang hội nhập sâu rộng và chịu tác động của CMCN 4.0. Các chính sách vĩ mô của Ngân hàng Nhà nước và chủ trương của Đảng, Nhà nước về phát triển NNL (ví dụ, Nghị quyết Đại hội XIII của Đảng, trang 14) đã tạo ra một khung cảnh đặc thù cho ngành ngân hàng Việt Nam.
• Sample: Mẫu khảo sát tập trung vào các cán bộ chủ chốt, quản lý, và khách hàng của VCB, với số lượng phiếu hợp lệ lần lượt là 183 và 190 (trang 26-27). Dù đảm bảo quy luật số lớn, đây vẫn là một mẫu chọn lọc có chủ đích chứ không phải mẫu ngẫu nhiên đại diện cho toàn bộ NNL ngành ngân hàng.
• Time: Các dữ liệu được phân tích trong giai đoạn 2016-2020. Mặc dù giai đoạn này chứng kiến sự khởi đầu mạnh mẽ của CMCN 4.0 tại Việt Nam, nhưng đây chỉ là một lát cắt trong một quá trình chuyển đổi dài hạn.

Future research agenda với 4-5 concrete directions

1. Nghiên cứu định lượng sâu hơn về tác động của AI/Tự động hóa đến cơ cấu việc làm: Sử dụng các mô hình kinh tế lượng tiên tiến (như phân tích tác động biên, mô hình dự báo chuỗi thời gian) để lượng hóa chính xác mức độ thay thế lao động và dự báo nhu cầu NNL cụ thể theo từng vị trí trong ngành ngân hàng Việt Nam.
2. Phân tích so sánh đa quốc gia về chiến lược PTNNL trong ngân hàng 4.0: Mở rộng nghiên cứu ra các quốc gia khác trong khu vực hoặc trên thế giới (ví dụ: Singapore, Hàn Quốc - những quốc gia dẫn đầu về ngân hàng số) để rút ra các bài học kinh nghiệm và mô hình PTNNL hiệu quả hơn, đặc biệt là các sáng kiến đào tạo chuyên gia CNTT.
3. Nghiên cứu về văn hóa tổ chức và khả năng thích ứng của NNL với CMCN 4.0: Đi sâu vào yếu tố văn hóa nội bộ và khả năng thay đổi tư duy của NNL, đây là yếu tố then chốt cho sự thành công của chuyển đổi số, sử dụng các phương pháp định tính chuyên sâu hơn.
4. Phát triển khung năng lực (competency framework) cho NNL ngân hàng số: Xây dựng một khung năng lực chi tiết, bao gồm các kỹ năng kỹ thuật, kỹ năng mềm và tư duy đổi mới, làm cơ sở cho việc tuyển dụng, đào tạo và đánh giá NNL trong kỷ nguyên số.
5. Nghiên cứu về vai trò của công nghệ (HR Tech) trong quản trị PTNNL: Khám phá cách các công nghệ như Blockchain (MH Onik et al., 2018), AI và phân tích dữ liệu có thể được tích hợp vào các quy trình HRM (tuyển dụng, đào tạo, quản lý hiệu suất) để nâng cao hiệu quả PTNNL.

Methodological improvements suggested

• Sử dụng các công cụ thống kê nâng cao: Áp dụng SEM để kiểm tra các mối quan hệ phức tạp giữa các yếu tố PTNNL, CMCN 4.0 và hiệu quả hoạt động.
• Thực hiện nghiên cứu dọc (longitudinal study): Theo dõi sự thay đổi của NNL và tác động của các giải pháp PTNNL trong một khoảng thời gian dài hơn để đánh giá hiệu quả bền vững.
• Mở rộng mẫu nghiên cứu: Bao gồm một số NHTM khác nhau (ví dụ: ngân hàng nhà nước, ngân hàng thương mại cổ phần tư nhân, ngân hàng 100% vốn nước ngoài) để có cái nhìn tổng quát hơn và so sánh chéo.

Theoretical extensions proposed

Đề xuất mở rộng Lý thuyết Tổ chức học tập để bao gồm một "Mô hình Học tập và Đổi mới liên tục trong kỷ nguyên số" cho ngành ngân hàng, nhấn mạnh vai trò của đào tạo chéo, học hỏi từ thất bại, và khuyến khích các sáng kiến bottom-up trong việc ứng dụng công nghệ mới.

Tác động và ảnh hưởng

Luận án này dự kiến sẽ tạo ra tác động sâu rộng và đa chiều.

• Academic impact với potential citations estimate: Nghiên án này dự kiến sẽ được trích dẫn rộng rãi bởi các nhà nghiên cứu trong lĩnh vực Quản trị nguồn nhân lực, Kinh tế học lao động và Kinh tế học ngân hàng, đặc biệt là trong bối cảnh các quốc gia đang phát triển phải đối mặt với CMCN 4.0. Khung lý thuyết toàn diện về PTNNL trong kỷ nguyên số và các phát hiện cụ thể về khoảng trống kỹ năng tại một NHTM lớn sẽ cung cấp cơ sở dữ liệu và ý tưởng cho các công trình học thuật khác. Ước tính có thể đạt 50-100 lượt trích dẫn trong 5 năm đầu tiên, đặc biệt trong các nghiên cứu về ngân hàng số và phát triển nguồn nhân lực tại thị trường mới nổi.

• Industry transformation với specific sectors: Các đề xuất giải pháp của luận án có thể thúc đẩy sự chuyển đổi NNL trong ngành tài chính - ngân hàng nói riêng và các ngành dịch vụ khác đang chịu ảnh hưởng của CMCN 4.0 nói chung.

  • Ngành Ngân hàng: VCB có thể sử dụng trực tiếp các giải pháp để tối ưu hóa chiến lược PTNNL, tái cơ cấu NNL và đầu tư vào đào tạo chuyên gia công nghệ. Các NHTM khác tại Việt Nam cũng có thể tham khảo để xây dựng lộ trình chuyển đổi số NNL, tránh "chảy máu chất xám" và nâng cao năng lực cạnh tranh.
  • Ngành Dịch vụ Tài chính (FinTech, Chứng khoán, Bảo hiểm): Các phát hiện về yêu cầu NNL chất lượng cao và kỹ năng số sẽ giúp các công ty trong các lĩnh vực này chủ động chuẩn bị lực lượng lao động, thúc đẩy sự tích hợp giữa chuyên môn nghiệp vụ và công nghệ.

• Policy influence với government levels: Luận án cung cấp bằng chứng thực nghiệm và cơ sở lý luận cho Ngân hàng Nhà nước Việt Nam (NHNN) và Bộ Giáo dục & Đào tạo trong việc hoạch định chính sách quốc gia về phát triển NNL chất lượng cao. Các khuyến nghị về chính sách tuyển dụng, đào tạo chuyên gia công nghệ và cơ chế hợp tác quốc tế có thể được tích hợp vào các chiến lược phát triển ngành và giáo dục nghề nghiệp. Điều này sẽ giúp Chính phủ và các cơ quan quản lý "đi tắt, đón đầu, nhảy vọt lên công nghệ cao hơn" (trang 20) trong bối cảnh CMCN 4.0.

• Societal benefits quantified where possible: Việc PTNNL hiệu quả tại các NHTM sẽ góp phần ổn định hệ thống tài chính, giảm thiểu rủi ro khủng hoảng (ví dụ như những sự sụp đổ của Lehman Brothers hay Northern Rock được nhắc đến ở trang 1). Nâng cao chất lượng NNL trong ngành ngân hàng sẽ dẫn đến dịch vụ tài chính tốt hơn, tiện ích hơn cho người dân và doanh nghiệp, thúc đẩy tăng trưởng kinh tế bền vững. Điều này cũng góp phần nâng cao năng suất lao động chung của nền kinh tế và tạo ra các cơ hội việc làm mới, chuyên môn hóa hơn cho lực lượng lao động, tiềm năng tăng thu nhập bình quân đầu người như các nghiên cứu của Krueger và Lindahl (1999) đã chỉ ra rằng trình độ học vấn cao hơn thì thu nhập trung bình một năm tăng từ 5% -15%.

• International relevance với global implications: Các vấn đề về PTNNL trong CMCN 4.0 là thách thức toàn cầu. Nghiên cứu về VCB cung cấp một trường hợp điển hình từ một thị trường mới nổi, nơi tốc độ chuyển đổi số có thể còn nhanh hơn và các thách thức về NNL có thể khác biệt so với các nền kinh tế phát triển. Các bài học rút ra từ VCB, đặc biệt là về việc tái cơ cấu NNL và đầu tư vào kỹ năng số, có thể được chia sẻ và áp dụng cho các NHTM ở các nước đang phát triển khác đang nỗ lực "bước lên được 'đoàn tàu 4.0'" (trang 23).

Đối tượng hưởng lợi

Luận án này mang lại giá trị thiết thực cho nhiều đối tượng khác nhau.

• Doctoral researchers: specific research gaps Các nhà nghiên cứu tiến sĩ sẽ hưởng lợi từ việc luận án đã "xác định rõ ràng các khoảng trống nghiên cứu" (trang 23) về PTNNL trong bối cảnh CMCN 4.0 tại các NHTM. Họ có thể phát triển các nghiên cứu sâu hơn về:

  • Đo lường định lượng tác động của AI/tự động hóa đến từng nhóm vị trí công việc trong ngân hàng.
  • Phát triển các mô hình dự báo nhu cầu kỹ năng mới cho ngành tài chính.
  • Nghiên cứu so sánh chiến lược PTNNL giữa các ngân hàng trong nước và quốc tế.
  • Khảo sát chi tiết về các yếu tố thúc đẩy và cản trở việc học hỏi và đổi mới liên tục của NNL trong các tổ chức ngân hàng.

• Senior academics: theoretical advances Các nhà khoa học cấp cao sẽ tìm thấy trong luận án những đóng góp quan trọng vào các lý thuyết hiện có, đặc biệt là Lý thuyết Vốn con người và Lý thuyết Tổ chức học tập, bằng cách áp dụng chúng vào một bối cảnh mới và chứng minh các yếu tố tác động của CMCN 4.0. Luận án mở ra các hướng thảo luận học thuật mới về "vốn siêu nhân lực" và cách các tổ chức có thể duy trì lợi thế cạnh tranh thông qua NNL trong kỷ nguyên số.

• Industry R&D: practical applications Các bộ phận R&D trong ngành ngân hàng và FinTech có thể sử dụng các đề xuất giải pháp để:

  • Hoạch định chiến lược tuyển dụng và đào tạo nhân sự theo hướng đáp ứng yêu cầu công nghệ mới.
  • Xây dựng các chương trình đào tạo nội bộ chuyên sâu về AI, Big Data, Blockchain, và các công nghệ ngân hàng số.
  • Tái cấu trúc bộ phận nhân sự để trở thành đối tác chiến lược trong quá trình chuyển đổi số của tổ chức.
  • Dự kiến, việc áp dụng các giải pháp này có thể giúp VCB "duy trì vị trí hàng đầu về hiệu quả kinh doanh" (trang 1) và tiếp tục đạt được lợi nhuận cao.

• Policy makers: evidence-based recommendations Các nhà hoạch định chính sách tại Ngân hàng Nhà nước và Bộ Lao động - Thương binh và Xã hội sẽ có trong tay "các giải pháp có giá trị tham khảo" (trang 6) dựa trên bằng chứng thực nghiệm để:

  • Phát triển khung chính sách hỗ trợ các NHTM trong PTNNL cho CMCN 4.0.
  • Đề xuất các chương trình đào tạo quốc gia nhằm trang bị kỹ năng số cho lực lượng lao động ngành tài chính.
  • Xây dựng cơ chế khuyến khích hợp tác giữa doanh nghiệp và các cơ sở đào tạo để thu hẹp khoảng cách kỹ năng. Việc này có thể giúp Việt Nam khai thác được "tiềm năng cho các nước đang phát triển có thể rút ngắn quá trình công nghiệp hóa bằng cách đi tắt, đón đầu, nhảy vọt lên công nghệ cao hơn" (trang 20).

• Quantify benefits where possible:

  • VCB: Tối ưu hóa chi phí NNL thông qua tái cơ cấu, nâng cao năng suất lao động (Bảng 3.16, trang 100), tăng khả năng đổi mới sản phẩm dịch vụ (ví dụ: M-POS, Internet banking, Mobile Banking, ví điện tử) và duy trì vị thế dẫn đầu thị phần lợi nhuận (16,1% theo trang 1).
  • Cá nhân NNL: Nâng cao kỹ năng, tăng cơ hội việc làm với thu nhập cao hơn (theo Psacharopoulos và Patrinos, 2004; Krueger và Lindahl, 1999).
  • Ngành Ngân hàng Việt Nam: Nâng cao năng lực cạnh tranh tổng thể, giảm thiểu rủi ro nhân sự, thúc đẩy tăng trưởng bền vững.

Câu hỏi chuyên sâu

1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng Lý thuyết Vốn con người (Human Capital Theory) để phù hợp với bối cảnh CMCN 4.0 trong ngành ngân hàng. Luận án không chỉ định nghĩa NNL theo nghĩa truyền thống mà còn làm rõ các yếu tố cấu thành "NNL chất lượng cao" trong kỷ nguyên số, bao gồm sự kết hợp giữa "chuyên môn nghiệp vụ ngân hàng và công nghệ thông tin" (trang 21). Nó bổ sung cho lý thuyết của các nhà kinh tế như Gary Becker và Theodore Schultz bằng cách nhấn mạnh rằng đầu tư vào các kỹ năng số hóa, khả năng thích ứng với AI và phân tích dữ liệu lớn là yếu tố quyết định giá trị của vốn con người trong bối cảnh công nghệ đang thay đổi nhanh chóng. Khái niệm về "vốn siêu nhân lực" (Joseph Evans Agolla, 2018) được phát triển thêm, phản ánh NNL không chỉ sáng tạo mà còn có khả năng khai thác các công nghệ tiên tiến để tạo ra giá trị đột phá. Điều này làm sâu sắc thêm sự hiểu biết về cách các tổ chức tài chính có thể đạt được lợi thế cạnh tranh bền vững thông qua NNL trong một thế giới số hóa.

2. Methodology innovation (compare với 2+ prior studies): Đổi mới về phương pháp luận nằm ở cách tiếp cận hỗn hợp đa cấp độ và tam giác hóa mạnh mẽ, đặc biệt trong việc thu thập và phân tích dữ liệu từ một tổ chức lớn như VCB.

   • So sánh với Ivancevich (2007) - "Human Resources Management": Ivancevich chủ yếu phân tích các vấn đề HRM theo khía cạnh lý thuyết và tổng quát. Luận án của Thiều Quang Hiệp vượt trội bằng cách áp dụng một phương pháp luận thực nghiệm cụ thể, sử dụng khảo sát định lượng quy mô lớn (183 và 190 phiếu hợp lệ) kết hợp với phỏng vấn sâu (bán cấu trúc và không cấu trúc) với các cấp quản lý và chuyên gia tại VCB (trang 25-27). Điều này cho phép không chỉ mô tả thực trạng mà còn đi sâu giải thích nguyên nhân và đề xuất giải pháp cụ thể, điều mà các nghiên cứu lý thuyết tổng quát khó đạt được.
   • So sánh với Dimitrios Salampasis et al. (2015) - "Tạp chí Quốc tế về Kinh doanh xuất sắc đổi mới": Nghiên cứu của Salampasis khám phá mối quan hệ giữa thực tiễn quản lý NNL và áp dụng đổi mới trong lĩnh vực ngân hàng một cách khái quát hơn. Luận án này có sự đổi mới về phương pháp bằng cách sử dụng thiết kế nghiên cứu đa cấp độ (Hội sở chính, Chi nhánh, Công ty con) để thu thập dữ liệu về NNL của VCB (trang 25). Điều này cho phép phân tích sự khác biệt và thách thức PTNNL giữa các cấp độ trong một tổ chức phức tạp, cung cấp cái nhìn chi tiết hơn về cách CMCN 4.0 tác động đến các bộ phận khác nhau của ngân hàng, thay vì chỉ là mối quan hệ tổng thể. Việc này tạo ra một sự hiểu biết sâu sắc hơn về các yếu tố nội tại và cấu trúc ảnh hưởng đến PTNNL.

3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là mặc dù VCB được đánh giá là một ngân hàng hàng đầu với NNL chất lượng cao, nhưng trong nội tại lại thiếu hụt nghiêm trọng "một lực lượng đáng kể về nhân sự chuyên gia lĩnh vực công nghệ thông tin và chuyên gia đầu ngành về ngân hàng số" (trang 5). Điều này trái ngược với kỳ vọng về một tổ chức tiên phong trong đổi mới và ngân hàng số như VCB. Bằng chứng hỗ trợ đến từ việc "công tác đào tạo và thu hút NNL chất lượng cao (giỏi chuyên môn và công nghệ thông tin) để đáp ứng yêu cầu nhanh chóng của CMCN 4.0 chưa có sự quan tâm cụ thể và thích đáng" (trang 5). Đồng thời, dữ liệu về cơ cấu lao động theo nhóm công việc cho thấy mặc dù "lao động chuyên công nghệ thông tin tăng nhanh nhất" (trang 101, Bảng 3.17), nhưng sự thiếu hụt chuyên gia đầu ngành vẫn tồn tại, cho thấy tốc độ tăng trưởng chưa đủ để đáp ứng nhu cầu bùng nổ của chuyển đổi số. Đây là một cảnh báo quan trọng cho các tổ chức đang tự tin vào chất lượng NNL tổng thể của mình.

4. Replication protocol provided? Mặc dù luận án không cung cấp một "giao thức sao chép" (replication protocol) chi tiết theo kiểu khoa học tự nhiên, nhưng nó đã mô tả rất rõ ràng các bước phương pháp nghiên cứu, cho phép các nhà nghiên cứu khác thực hiện một nghiên cứu tương tự hoặc có liên quan.

   • Chiến lược lấy mẫu và tiêu chí: Mô tả chi tiết cách chọn mẫu phi xác suất (mẫu có chủ đích) và phân bổ phiếu điều tra tới 116 đơn vị của VCB, bao gồm cả số lượng phiếu dự kiến và thực tế hợp lệ (trang 25-27, Bảng 1.1, Bảng 1.2).
   • Công cụ thu thập dữ liệu: Nêu rõ việc sử dụng hai loại phiếu điều tra (Phụ lục 1, Phụ lục 2) và phương pháp phỏng vấn sâu (bán cấu trúc và không cấu trúc), kèm theo thông tin về thời gian và tần suất phỏng vấn (trang 25).
   • Phương pháp phân tích dữ liệu: Sử dụng phương pháp phân tích tổng hợp, thống kê mô tả và phương pháp chuyên gia (trang 27). Những chi tiết này đủ để một nhà nghiên cứu khác có thể tái tạo quy trình nghiên cứu tại một tổ chức ngân hàng tương tự hoặc điều chỉnh cho các bối cảnh khác, mặc dù việc tiếp cận dữ liệu nội bộ của VCB có thể là một thách thức.

5. 10-year research agenda outlined? Luận án không trực tiếp trình bày một "chương trình nghiên cứu 10 năm" nhưng đã đưa ra một chương trình nghiên cứu trong tương lai với 4-5 hướng cụ thể (trang 162). Các hướng này có thể được mở rộng thành một chương trình nghiên cứu dài hạn:

   1. Nghiên cứu định lượng sâu hơn về tác động của AI/Tự động hóa đến cơ cấu việc làm: Trong 10 năm tới, cần liên tục cập nhật và dự báo các công việc bị thay thế và công việc mới phát sinh, sử dụng các mô hình dự báo tiên tiến.
   2. Phân tích so sánh đa quốc gia: Mở rộng nghiên cứu sang các nền kinh tế phát triển (ví dụ: Đức, Nhật Bản - những nước tiên phong trong Công nghiệp 4.0) và các thị trường mới nổi khác để xác định các chiến lược PTNNL tối ưu trong ngành ngân hàng toàn cầu.
   3. Nghiên cứu về văn hóa tổ chức và khả năng thích ứng: Trong dài hạn, việc thay đổi tư duy và xây dựng văn hóa đổi mới là rất quan trọng. Nghiên cứu sâu hơn về các yếu tố tâm lý xã hội và quản trị thay đổi.
   4. Phát triển khung năng lực động (dynamic competency framework): Khung năng lực cần được cập nhật liên tục để phản ánh sự thay đổi nhanh chóng của công nghệ, tích hợp các kỹ năng mới như phân tích dữ liệu, an ninh mạng, đạo đức AI.
   5. Nghiên cứu về tác động của chính sách vĩ mô: Đánh giá hiệu quả của các chính sách quốc gia về giáo dục, đào tạo và thị trường lao động trong việc hỗ trợ PTNNL cho CMCN 4.0 trong ngành tài chính trong thập kỷ tới.

Kết luận

Luận án "Phát triển nguồn nhân lực Ngân hàng Thương mại Cổ phần Ngoại thương Việt Nam thời kỳ Cách mạng Công nghiệp lần thứ tư" là một công trình nghiên cứu toàn diện, sâu sắc và có giá trị khoa học, thực tiễn cao, mang lại những đóng góp cụ thể và đáng kể.

1. Đóng góp lý thuyết toàn diện: Luận án đã hệ thống hóa và làm sâu sắc thêm cơ sở lý luận về PTNNL NHTM trong bối cảnh CMCN 4.0, đặc biệt mở rộng Lý thuyết Vốn con người và Lý thuyết Tổ chức học tập để phù hợp với kỷ nguyên số (trang 4, 34).
2. Phát hiện khoảng trống NNL chiến lược: Nghiên cứu đã chỉ ra sự thiếu hụt đáng kể về chuyên gia công nghệ thông tin và ngân hàng số tại VCB, mặc dù là một ngân hàng hàng đầu, do chiến lược PTNNL chưa hoàn toàn thích ứng với tốc độ chuyển đổi số (trang 5).
3. Đề xuất giải pháp PTNNL có tính đột phá và định lượng: Luận án đề xuất các giải pháp cụ thể như tái cơ cấu tổ chức bộ máy, xây dựng lộ trình đào tạo hiện đại, và chính sách thu hút nhân tài, đồng thời nhấn mạnh việc "lượng hóa được sự biến động NNL trong tương lai" để hoạch định kế hoạch PTNNL (trang 5, 6).
4. Phân tích tác động CMCN 4.0 đến cơ cấu lao động: Luận án cung cấp bằng chứng thực nghiệm về sự dịch chuyển cơ cấu NNL, với sự giảm sút của lao động giản đơn và tăng nhanh của lao động chuyên CNTT, làm rõ những biến đổi cốt lõi trong ngành ngân hàng (trang 5, 101).
5. Ứng dụng phương pháp luận chặt chẽ: Sử dụng phương pháp hỗn hợp (mixed methods) với khảo sát định lượng quy mô lớn và phỏng vấn sâu chuyên gia, kết hợp tam giác hóa dữ liệu và phương pháp chuyên gia, nâng cao độ tin cậy và giá trị của các phát hiện (trang 25-27).
6. Cung cấp bài học kinh nghiệm quốc tế và trong nước: Luận án đã rút ra các bài học từ kinh nghiệm PTNNL của một số ngân hàng tiên tiến trên thế giới (Deutsche Bank, ngân hàng Ấn Độ) và trong nước, làm cơ sở cho các đề xuất tại VCB (trang 62-67).

Luận án này đánh dấu một chuyển đổi mô hình (paradigm advancement) trong tư duy về PTNNL, từ cách tiếp cận truyền thống sang một cách tiếp cận chiến lược, linh hoạt và định hướng công nghệ, với bằng chứng cụ thể từ thực tiễn VCB. Nó không chỉ giải quyết các vấn đề cấp bách của một NHTM hàng đầu mà còn mở ra ít nhất 3 luồng nghiên cứu mới quan trọng: (1) Nghiên cứu định lượng về tác động của AI/tự động hóa đến từng vị trí việc làm trong ngành ngân hàng; (2) Phát triển khung năng lực động cho NNL ngân hàng số; và (3) Nghiên cứu về văn hóa tổ chức và khả năng thích ứng của NNL trong bối cảnh chuyển đổi số.

Với sự phù hợp về thời gian, địa điểm và đối tượng nghiên cứu, luận án có liên quan toàn cầu (global relevance), cung cấp một trường hợp điển hình và các bài học quý giá cho các NHTM và nền kinh tế đang phát triển trên thế giới trong nỗ lực thích ứng với CMCN 4.0. Các kết quả có thể đo lường được (measurable outcomes) bao gồm việc cải thiện năng suất lao động, tăng cường năng lực cạnh tranh của VCB, và định hình chính sách PTNNL quốc gia, góp phần vào sự phát triển bền vững của ngành tài chính ngân hàng Việt Nam trong thập kỷ tới.